今日概览

今日内容集中在 AI Agent 工程化落地：腾讯分享如何用 AI 上下文工程让 AI 读懂老项目，淘宝公开主播 Agent 的 Harness 六元组架构与五层安全防护，腾讯云开发者讲述 WorkBuddy 多智能体的实战教训，腾讯云发布团队级 Team Memory，阿里云则用多 Agent 军团重新定义混沌工程。五篇全部来自一线大厂工程实践。

今日重点

1. 从胡言乱语到精准改代码：我是如何让 AI 读懂老项目的

作者分享在历史债务重的旧项目中通过搭建 AI 上下文工程，让 AI 从经常出错到能精准定位问题、给出合适方案的经验。核心是从 AGENTS.md 建立知识索引，结合重构逐步补充上下文，并配合规范、自动化测试和 AI 评审等实践，最终实现 AI 可维护的旧项目。

值得关注：

  • AI 在旧项目中难以发挥作用的根本原因是上下文知识不足，而非 AI 能力不够。
  • 搭建根目录 AGENTS.md，建立知识索引，是 AI 上下文工程的关键起步。
  • 清理无效代码和过度设计（如未使用的 OT 协同），让代码现状与真实运行保持一致。
  • 通过定规范、自动化测试（单测、E2E、视觉回归）和 AI 评审，保证重构不破坏功能。
  • 将技术专项改造融入日常迭代，借助 AI 持续治理，避免新旧债务叠加。

来源：腾讯技术工程

2. 淘宝主播 Agent 的 Harness 工程实战

本文介绍淘宝主播 Agent 的 Harness 工程实战。通过构建执行循环、工具注册、上下文管理等六元组骨架，配合五层安全防护、DAG 全局规划与三层记忆体系，解决大模型在高风险直播中不可控、易漂移的问题，实现可用可控的工业级 Agent。

值得关注：

  • 提出由执行循环、工具注册、上下文管理、状态存储、生命周期钩子、评估接口组成的 Harness 六元组。
  • 采用"逻辑统一、物理分治"的存储架构，会话、记忆、技能分别存于 MySQL、Hologres 与 GitLab。
  • 使用 Reducer 模式维护直播间状态，避免上下文膨胀和注意力漂移。
  • 构建五层纵深防御体系，从 Prompt 边界到执行审计全方位保障安全。
  • 用 DAG 全局规划替代 ReAct 单步决策，提升长程任务的恢复性和执行效率。

来源：大淘宝技术

3. 十年后端烧光积分，学会了在 WorkBuddy 当甲方

作者分享使用 WorkBuddy 多智能体工具的经历，因未设约束导致积分烧光，总结出三条驾驭规则，并对比了 Copilot、Cursor 与 WorkBuddy 的定位，强调 AI 负责执行、人负责审阅。

值得关注：

  • 使用 WorkBuddy 多智能体自动完成任务，但因未设约束导致积分烧光。
  • 总结三条规矩：禁止 AI 修改测试用例、破坏性操作必须弹窗确认、复杂变更需附理由和影响范围分析。
  • WorkBuddy 可在本地沙箱自动拆解任务、写代码、联调、修 Bug、提 PR 并通知团队，二十分钟完成看板全流程。
  • 对比了 Copilot（代码补全）、Cursor/Claude Code（局部重构）、WorkBuddy（跨工具链闭环）的定位差异。
  • 使用后工作模式从手动执行变为调度员，敢于接更多需求，职场掌控感增强。

来源：腾讯云开发者

4. 腾讯云 Team Memory 来了！

腾讯云 Agent Memory 2.0.0 上线 Team Memory，将长期记忆从个人扩展至团队协作，支持导入已有代码仓库和文档，并推出 Memory Hub 控制台进行统一管理。

值得关注：

  • Team Memory 支持团队共享记忆，Agent 协作时无需重复介绍项目背景。
  • 记忆分为四类：Chat Memory、Wiki、CodeGraph 和 Skill，可分别装配给不同角色的 Agent。
  • Memory Hub 控制台提供记忆的创建、审核、授权、分享和版本管理功能。
  • 支持直接导入 GitHub 仓库、项目文档和历史 Session，自动生成对应记忆资产。
  • 项目开源 80 天 GitHub Star 突破 15,000，并多次登上 GitHub Trending 日榜。

来源：腾讯云开发者

5. AI Native 下的混沌工程：Agent 军团如何重新定义系统韧性验证

本文介绍一种 AI Native 混沌工程平台，通过多 Agent 军团与共享黑板架构，将故障注入、观测、诊断、报告和工单闭环全流程自动化。平台将韧性验证从依赖专家的专项演练升级为可持续运行的平台能力，单次验证提效数十倍，人力投入降至 0.1 人，并已发现多项产品缺陷。

值得关注：

  • 传统混沌工程存在人工设计、数据采集难、诊断依赖经验等痛点，导致韧性验证无法高频开展。
  • 平台采用九层多 Agent 协作架构，通过共享黑板实现 Agent 解耦，支持随时增删 Agent。
  • 设计三道递进式安全闸门，确保故障注入全程可控，防止实验失控。
  • 双进化回路让系统越用越聪明，知识用例和编排策略均可持续优化。
  • 实战中单次验证闭环从数天缩短至 40 分钟，人力投入由专职 SRE 变为 0.1 人执行。

来源：阿里云开发者

趋势观察

  1. Agent 工程从"能跑"走向"可控" — 淘宝的 Harness 六元组 + 五层安全、阿里云的三道安全闸门，都指向同一个主题：工业级 Agent 的核心矛盾是可控性，安全防护成为标配。
  2. 上下文即生产力 — 腾讯的 AGENTS.md 知识索引、Team Memory 团队记忆，都在解决"AI 理解项目"的问题，上下文工程正在成为 Agent 落地的前置基础设施。
  3. 多 Agent 协作进入实证阶段 — WorkBuddy 的实战教训、阿里云 Agent 军团，说明多智能体的价值需要规则、约束和架构来兑现，而非堆数量。